世界模型系列57:自动驾驶-端到端AI(tesla FSD v12)

Tesla FSD V12：自动驾驶史上的一次“伟大分歧”

如果你回头看自动驾驶这十几年的发展，会发现一个奇怪的现象：

技术越来越复杂，传感器越来越多，规则越来越严密，但离“像人一样开车”却并没有明显更近。

而 Tesla FSD V12 的出现，第一次把桌子掀了。

它不是一次普通的软件升级，而是一次被业内称为 “范式转变（Paradigm Shift）” 的路线决裂，甚至有人称之为——自动驾驶的「伟大分歧（The Great Divergence）」。

一、从“写代码教车开车”，到“让 AI 自己学会开车”

传统自动驾驶系统，本质上是一个工程师密集型产物：

• 感知模块：识别车、行人、红绿灯

• 规划模块：决定该不该变道、怎么转弯

• 控制模块：控制方向盘、油门、刹车

中间夹着几十万行规则代码，充满了：

如果看到 A，就执行 B如果同时看到 A + C，就执行 D

但现实世界的问题是：马路永远比规则复杂。

FSD V12 干了一件极端的事

Tesla 在 V12 里，直接删除了 30 多万行 C++ 控制代码。

取而代之的是一个巨大的神经网络，官方给了它一个非常“科幻”的名字：

Photon → Control（光子到控制）

什么意思？

• 输入：摄像头看到的原始视频（光子）

• 输出：方向盘角度、加速、制动

• 中间：没有人工规则，全是神经网络学出来的

它不再“理解规则”，而是模仿人类司机：看、想、动。

二、Tesla 押注的不是算法，是「规模」

你可能会问：这样不会很危险吗？AI 怎么知道什么时候该踩刹车？

Tesla 的答案非常简单，也非常疯狂：

数据 + 算力 = 驾驶智能

为什么是 Tesla 能这么玩？

因为它有一个别人没有的东西：真实世界的数据引擎。

• 全球数百万辆车

• 每天真实道路、真实驾驶行为

• 后台开启「影子模式」

• AI 的决策和人类驾驶实时对比

一旦 AI 和人类做出不同选择，这一段就会被自动标记成 “困难片段（Hard Clips）”，回炉训练。

这不是“写规则”，而是——从人类身上学直觉。

据估算，Tesla 每年拥有 数百亿英里级别 的潜在训练数据，这在自动驾驶领域是压倒性的优势。

三、这就是“伟大分歧”：Tesla vs Waymo

自动驾驶今天，其实已经分成了两条完全不同的哲学路线。

Waymo 的世界观

• 激光雷达 + 雷达 + 摄像头

• 高精地图

• 强冗余、强可验证

• 像一个极其谨慎的工程系统

优点是：安全、可解释、监管友好缺点是：贵、慢、扩展性差

Tesla 的世界观

• 纯视觉（Vision Only）

• 不依赖高精地图

• 端到端神经网络

• 更像“人脑”而不是“工业控制系统”

优点是：扩展性极强、成本极低、潜力巨大代价是：黑盒、不可解释、监管极难

这不是技术路线之争，而是**“什么才算安全”的哲学之争**。

四、为什么 FSD V12 其实是在做「世界模型」

如果你站在更高一层看，FSD V12 并不只是“开车 AI”。

它在做一件更接近 AGI 的事情：

让模型在脑中理解世界，并预测未来。

为了直接从视频输出控制指令，模型必须隐式学会：

• 物体的运动规律

• 速度与距离的因果关系

• 行为带来的后果

• “现在这样做，几秒后会发生什么”

这其实已经是一个**世界模型（World Model）**的雏形。

Tesla 甚至在训练 视频生成模型，让 AI 在“想象中的未来”里反复试错，再决定现实中的动作。

你可以把它理解成：

AI 在脑子里先开了一遍车，再动手。

五、这是一场豪赌，而且风险极高

必须说清楚：FSD V12 并不完美。

• 低能见度下的可靠性

• 偶发的“幻影制动”

• 决策过程无法解释

• 监管认证难度极高

这也是为什么它至今仍被称为 FSD（Full Self-Driving Beta），而不是 L4。

但同样不能忽视的是：

• 接管率大幅下降

• 驾驶行为明显更“像人”

• 平顺性提升极大

它不像一台机器，更像一个正在学习中的司机。

六、这不是一条安全的路，但可能是唯一的路

Tesla FSD V12 本质上是在说一句非常大胆的话：

自动驾驶，不是工程问题，而是智能问题。

如果这条路走通了，它不仅改变自动驾驶，也会改变我们对 AI 如何理解世界、如何行动 的认知。

如果失败了，代价也会非常昂贵。

但所有技术史上的重大突破，几乎都来自这种——不那么“稳妥”的选择。